《Agriculture》:Research on the Measurement, Temporal Evolution, and Sustainable Optimization Paths of Agricultural Resilience in China’s Major Grain-Producing Areas
编辑推荐:
在全球气候风险和可持续发展目标2(Sustainable Development Goal 2, SDG2)(零饥饿)的背景下,中国的13个主要粮食产区占全国粮食产量的近78%,但其可持续农业发展表现出显著差异。研究人员利用2015—2024年的省级面板数据,
在全球气候风险和可持续发展目标2(Sustainable Development Goal 2, SDG2)(零饥饿)的背景下,中国的13个主要粮食产区占全国粮食产量的近78%,但其可持续农业发展表现出显著差异。研究人员利用2015—2024年的省级面板数据,构建了一个涵盖生产韧性、生态韧性、经济韧性、恢复韧性和创新韧性的五维农业韧性评价体系。采用熵权法(Entropy Weight Method)、泰尔指数分解(Theil Index Decomposition)、障碍度模型(Obstacle-degree Model)和GM(1,1)模型,分别用于构建综合指数、分解区域差异、评估相对障碍模式以及将历史趋势外推至2030年。结果表明,韧性相关能力的综合指数呈总体上升但波动的趋势,同时东部、中部、西部和东北地区呈现明显的区域分化;区域间差异仍是总体差异的主要来源。障碍度结果显示,基础设施、创新和劳动力相关指标在障碍结构中的相对位置发生了变化。基于趋势的外推表明,综合指数的区域分化可能持续到2030年。观察到的模式为主要粮食产区提供了差异化的政策启示,并为长期粮食安全提供了相关证据。
在全球气候变化风险与可持续发展目标2(SDG2)零饥饿的紧迫背景下,中国13个主要粮食产区作为国家粮食安全的核心支撑,其粮食产量占全国近78%,但区域间可持续农业发展水平差异显著。资源禀赋、生产条件、基础设施和技术能力的不同可能制约这些地区农业的可持续发展。系统评估农业韧性(Agricultural Resilience),即农业系统抵御外部干扰、恢复基本功能、适应变化并实现长期转型的能力,对于识别区域短板和制定差异化韧性提升政策至关重要。现有研究多从单一维度或仅聚焦于测度、空间分化、影响因素或趋势预测之一,较少在统一框架内集成多维测度、区域差异分解、障碍诊断与趋势外推;对13个主要粮食产区连续十年的系统比较也有限。为此,研究人员选取中国13个主要粮食产区为研究区域,利用2015—2024年平衡省级面板数据,构建了包含生产、生态、经济、恢复和创新韧性五个维度的评价体系,采用熵权法(Entropy Weight Method)计算综合指数,运用泰尔指数(Theil Index)分解区域差异,通过障碍度模型(Obstacle-degree Model)判断指标相对障碍,并借助GM(1,1)模型外推2025—2030年趋势。该研究提供了一个将综合指数测度与区域差异分解、相对障碍诊断和趋势外推相统一的实证框架,为识别区域差异、相对薄弱维度以及制定差异化粮食安全政策提供了证据。
研究人员所用的主要关键技术方法包括:熵权法,用于数据驱动地确定指标权重并计算综合指数;泰尔指数分解,将总体差异分解为区域内与区域间贡献;障碍度模型,基于指标权重和标准化值偏差计算各指标对综合指数缺口的相对贡献;GM(1,1)灰色模型,基于历史序列外推短期趋势。研究样本为中国13个主要粮食产区(省份/自治区)2015—2024年的省级面板数据,数据来源包括《中国统计年鉴》、各省统计年鉴、《中国农村统计年鉴》和《中国人口和就业统计年鉴》。此外还进行了等权重、剔除规模敏感指标和不变价格等稳健性及敏感性分析。
### 3.1 农业韧性的时序演变特征
通过熵权法计算综合指数并分析其时序变化,研究人员发现2015—2024年综合指数总体上升但波动,省级指数值介于0.13至0.62之间,均值为0.33;13省平均值从2015年的0.28增至2024年的0.38,年均增长率约1.48%。区域均值排序为东部(0.47)>中部(0.31)>西部(0.28)>东北(0.23)。东部凭借区位和经济优势在农田基建、水利灌溉、科技推广等方面领先;中部耕地充足但劳动力外流、设施老化、水旱灾害频发;西部地形复杂、生态脆弱、投资有限;东北黑土资源优越但热量不足、黑土退化、物流成本较高。等权重稳健性检验显示,熵权与等权重指数间的Spearman秩相关系数为0.9757,区域排序一致,表明主要结论不受权重方法影响。
### 3.2 农业韧性空间分布变化
利用ArcGIS自然断点法对2015、2018、2021、2024年四期综合指数进行分类(低≤0.29、中0.29—0.44、高>0.44),研究人员发现低值省份数量减少,中等和高值省份范围扩大。山东、江苏持续处于高值类,河南于2021年进入高值类;湖北、四川、湖南、黑龙江、内蒙古等逐步进入中等类。空间格局显示从低向中高类别渐进式转变,但区域间差异仍然明显,反映出生产条件、生态约束、基础设施和农业发展水平的持续区域分化。
### 3.3 区域差异及其分解
通过泰尔指数分解,研究人员发现总体泰尔指数从2015年的0.069下降至2024年的0.045,降幅34.8%,区域内和区域间分量均下降。区域间贡献率在50.22%—59.43%之间,始终是总体差异的主要来源。中部区域内部差异最大,其泰尔指数虽下降49.1%但仍居首位;东部略升,西部和东北下降。障碍分析显示,中部地区在农村用电量、实用新型专利、水土流失治理面积、除涝面积和农村居民人均可支配收入等指标上障碍度较高,表明技术支撑、基础设施、生态治理、灾后恢复和农村经济条件是该区域韧性短板的重要方面。
### 3.4 农业韧性指标相对障碍度
通过障碍度模型识别各区域前五位障碍指标,研究人员发现障碍结构随时间变化。东部从2015年以农村用电量、水土流失治理面积、实用新型专利为主,转变为以水土流失治理面积、专利和劳动力为主,农村用电量障碍度下降。中部五个高障碍指标基本保持为农村用电量、专利、水土流失治理面积、除涝面积、农村居民人均可支配收入,2024年专利障碍度升至首位。西部与中部类似,创新相关指标更突出。东北2015年前五为农村用电量、专利、劳动力、农机总动力、水土流失治理面积,2024年农村居民人均可支配收入进入前五,水土流失治理面积退出。负向指标化肥施用量、地膜使用量和农业用水量在代表性年份均未进入前五障碍组。
### 3.5 农业韧性趋势外推与模型拟合检验
采用GM(1,1)模型对2025—2030年进行趋势外推。拟合检验显示11个省份的平均相对误差为1.10%—5.72%,后验差比C<0.35,小误差概率p=1.00,拟合精度较高;辽宁模型C=0.50、p=0.90,可接受;江苏模型C=0.81、p=0.60,拟合不确定性较大。外推结果显示多数省份综合指数继续上升,到2030年东部和西部所有省份进入高值类,山东率先突破0.70;东北部分省份和中部个别省份仍处于中低值类,区域分化可能延续。
讨论部分指出,区域差异源于农业资源禀赋、经济支持、生态约束和技术资源的组合差异;与既有研究的部分结论一致,但东北相对较低的位置与强调生产规模优势的研究不同,这反映了评价维度与时段的差异。综合指数代表韧性相关能力和准备程度,而非对特定干扰的实际响应。稳健性分析表明,剔除规模敏感指标或进行不变价格调整后,总体时序和区域排序基本不变。GM(1,1)结果应被视为趋势外推而非精确预测。未来研究可结合事件式数据、更长时序和更细空间尺度,以更好区分韧性准备与实际韧性表现。
研究结论可概括为:2015—2024年主要粮食产区韧性相关能力综合指数呈波动上升趋势,区域均值为东部(0.47)>中部(0.31)>西部(0.28)>东北(0.23);总体、区域内和区域间差异均有所缩小,但区域间差异仍是主导来源;障碍结构随时间变化,创新和收入相关指标相对地位上升;趋势外推显示区域分化可能持续至2030年。这些结论为粮食主产区制定差异化、动态调整的韧性提升政策提供了实证依据。